(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210995087.5 (22)申请日 2022.08.18 (71)申请人 南京唯景视 觉科技有限公司 地址 210000 江苏省南京市 建邺区平良大 街89号负一层韶华工坊 (72)发明人 项强德　 (74)专利代理 机构 沧州市国瑞专利代理事务所 (普通合伙) 13138 专利代理师 陈炫伟 (51)Int.Cl. G01N 3/12(2006.01) G01N 3/02(2006.01) G01B 11/24(2006.01) G01M 13/00(2019.01) G06T 7/00(2017.01)G06T 7/73(2017.01) (54)发明名称 一种基于深度学习的工业零件关键点检测 方法 (57)摘要 本发明公开了一种基于深度学习的工业零 件关键点检测方法， 涉及人工智 能技术领域。 通 过建立工件模 型以及网格平台确定工件的位置， 确定工件位置后， 固定装置对工件位置和摆放姿 态进行固定， 然后调整测量装置对关键点位置进 行受力检测。 整个过程不需要人工参与， 省时省 力。 检测精度高， 同时， 针对不同型号的工件， 只 需要输入建立的工件模型就能进行操作， 适用范 围广。 权利要求书1页 说明书2页 CN 115356209 A 2022.11.18 CN 115356209 A 1.一种基于深度学习的工业 零件关键点检测方法， 其特 征在于， 包括以下步骤： S1： 先在放置 工件的平台上建立网格 状坐标， 并同时建立工件的外轮廓模型； S2： 工件放置到检测平台， 摄像头对工件进行摄像并将工件的位置和摆放姿态进行确 定， 启动固定装置对工件进行固定， 并找到 工件的关键点； S3： 确定好工件的放置姿态后， 开始对工件的关键点进行受力检测， 并且对工件的固定 位置和关键点测量 位置进行记录； S4： 设备上的检测工件对工件的关键位置进行检测， 并将检测结果反馈到电脑上， 与电 脑数据进行比对， 判断工件关键点受力是否合格。 2.根据权利要求1所述的一种基于深度 学习的工业零件关键点检测方法， 其特征在于： 摄像头设置与平台的上方， 通过扫描工件顶部的图像对比之前在电脑上建立的外轮廓模型 就可以准确判断工件的摆放姿态。 3.根据权利要求1所述的一种基于深度 学习的工业零件关键点检测方法， 其特征在于： S3步骤中工件每次摆放的姿态和测力点的位置都会被电脑记录， 在下次同样的姿态情况 下， 不需要电脑计算 就可以直接进行固定并检测。 4.根据权利要求1所述的一种基于深度 学习的工业零件关键点检测方法， 其特征在于： S3中在确定工件摆放姿态之后， 确定关键点位置， 采用液压杆固定的方式对工件进行固定 然后进行受力测试， 在这个过程中， 系统会对液压杆位置进行调整使其与被测工件的关键 点避开。 5.根据权利要求1所述的一种基于深度 学习的工业零件关键点检测方法， 其特征在于： 步骤S2中， 工件放置到到平台上后， 摄像头上传的照 片计算机计算出工件摆放的姿态， 同时 根据工件在平台上的位置精准定位工件的具体位置 。权　利　要　求　书 1/1 页 2 CN 115356209 A 2一种基于深度学习的工 业零件关键点检测方 法 技术领域 [0001]本发明涉及人工智能技术领域， 具体为一种基于深度学习的工业零件关键点检测 方法。 背景技术 [0002]工业零件在生产出来之后需要对其进行检测， 检测的范围包括工业零件的强度、 模型大小 是否合规、 产品外观有 无磨损。 有的工业零件还需要对上面的关键点进 行检测， 检 测关键点的受力情况， 判断刚性是否足够。 目前一般的检测方式都是固定工件， 然后采用人 工检测的方式对工件的关键点进 行受力检测， 这样能够保证工件无论以什么样的姿态进 行 测试， 都能第一时间准确的找到 关键点的位置， 进 行检测， 但是这种方式的缺点是必须要有 人工检测， 费时费力。 发明内容 [0003]针对现有技术的不足， 本发明提供了一种基于深度学习的工业零件关键点检测方 法， 使用后， 可以解决现有技 术中， 对工业 零件关键点检测。 [0004]为实现以上目的， 本发明通过以下技术方案予以实现： 一种基于深度学习的工业 零件关键点检测方法， 包括以下步骤： [0005]S1： 先在放置 工件的平台上建立网格 状坐标， 并同时建立工件的外轮廓模型。 [0006]S2： 工件放置到检测平台上固定， 摄像头对工件进行摄像并将工件的位置和摆放 姿态进行确定， 启动固定装置对工件进行固定， 并找到 工件的关键点。 [0007]S3： 确定好工件的放置姿态后， 开始对工件的关键点进行受力检测。 [0008]S4： 设备上的检测工件对工件的关键位置进行检测， 并将检测结果反馈到电脑上， 与电脑数据进行比对。 [0009]优选的， 摄像头设置与平台的上方， 通过扫描工件顶部 的图像对比之前在电脑上 建立的外轮廓模型就可以准确判断工件的摆放姿态。 [0010]优选的， S3步骤中工件每次摆放的姿态和测力点的位置都会被电脑记录， 在下次 同样的姿态情况 下， 不需要电脑计算 就可以直接进行检测。 [0011]优选的， S3中在确定工件摆放姿态之后， 确定关键点位置， 采用液压杆固定的方式 对工件进行固定然后进行受力测试， 在这个过程中， 系统会对液压杆位置进行调整使其与 被测工件的关键点避开。 [0012]优选的， 所述步骤S2中， 工件放置到到平台上后， 摄像头上传的照片计算机计算出 工件摆放的姿态， 同时根据工件在平台上的位置精准定位工件的具体位置 。 [0013]本发明提供了一种基于深度学习的工业零件关键点检测方法。 具备以下有益效 果： [0014](1)、 该基于深度学习的工业零件关键点检测方法， 通过建立工件模型以及网格平 台确定工件的位置， 确定工件位置后， 固定装置对工件位置和摆放姿态进 行固定， 然后调整说　明　书 1/2 页 3 CN 115356209 A 3